[论文解读] Fast Analog Beam Tracking in Phased Antenna Arrays: Theory and Performance

Jiahui Li, Yin Sun+3 more|arXiv (Cornell University)|Oct 22, 2017

Antenna Design and Analysis参考文献 45被引用 16

一句话总结

该论文提出了一种针对毫米波系统中相控阵列的低复杂度模拟波束追踪算法，利用随机逼近和递归估计联合优化波束成形向量与波束方向估计。该算法证明了其在均方误差上的理论收敛性，可达到Cramér-Rao下界（CRLB），在无人机和高速列车等高速移动场景中，相比最先进方法，实现了更快的追踪速度、更高的精度以及更优的频谱效率。

ABSTRACT

The directionality of millimeter-wave (mmWave) communications introduces a significant challenge in serving fast-rotating/moving terminals, e.g., mobile AR/VR, high-speed vehicles, trains, UAVs.This challenge is exacerbated in mmWave systems using analog beamforming, because of the inherent non-convexity in the analog beam tracking problem. In this paper, we obtain the Cramér-Rao lower bound (CRLB) of beam tracking and optimize the analog beamforming vectors to get the minimum CRLB. Then, we develop a low complexity analog beam tracking algorithm that simultaneously optimizes the analog beamforming vector and the estimate of beam direction. Finally, by establishing a new basic theory, we provide the theoretical convergence analysis of the proposed analog beam tracking algorithm, which proves that the minimum CRLB of the MSE is achievable with high probability. Our simulations show that this algorithm can achieve faster tracking speed, higher tracking accuracy and higher data rate than several state-of-the-art algorithms. The key analytical tools used in our algorithm design are stochastic approximation and recursive estimation with a control parameter.

研究动机与目标

• 解决无人机、高速列车和移动AR/VR等高速移动毫米波系统中的波束追踪挑战，其中波束失准会降低系统性能。
• 克服基于模拟波束成形的波束追踪问题中固有的非凸性。
• 通过优化模拟波束成形向量，最小化波束方向估计误差的Cramér-Rao下界（CRLB）。
• 设计一种低复杂度算法，实现实时联合优化波束成形向量与波束方向估计。
• 建立理论收敛性保证，证明该算法以高概率达到最小CRLB。

提出的方法

• 推导线性天线阵列中波束方向估计的Cramér-Rao下界（CRLB），以定义理论性能极限。
• 设计一种基于随机逼近的递归波束追踪算法，引入控制参数以自适应更新波束成形向量与方向估计。
• 引入一种基于时间调度的自适应步长（控制参数），以平衡收敛速度与估计精度。
• 采用真实状态轨迹的分段线性近似，以在时间区间内界定估计误差。
• 应用Gronwall不等式与Doob的鞅不等式，证明算法可理论收敛至CRLB。
• 建立一个理论框架，将递归估计、随机逼近与非凸模拟波束追踪中的性能边界联系起来。

实验结果

研究问题

• RQ1 在非凸约束下，模拟波束追踪能否实现波束方向估计的Cramér-Rao下界（CRLB）？
• RQ2 如何设计一种低复杂度算法，实现实时联合优化模拟波束成形向量与波束方向估计？
• RQ3 所提出的波束追踪算法在收敛性与性能方面可提供哪些理论保证？
• RQ4 在高速移动场景中，该算法相较于现有最先进方法，在追踪速度、精度与数据速率方面表现如何？
• RQ5 自适应步长与递归估计对波束追踪的稳定性与最优性有何影响？

主要发现

• 所提算法以高概率实现了均方误差（MSE）的Cramér-Rao下界（CRLB），证明了其理论最优性。
• 仿真结果表明，该算法在高速移动终端场景中，相比最先进方法，展现出更快的波束追踪速度与更高的精度。
• 理论分析通过Gronwall不等式与Doob的鞅不等式，证实了算法收敛至CRLB，建立了强性能保证。
• 采用时间调度的自适应步长，实现了快速适应性，同时保持了估计的稳定性。
• 仿真结果表明，在无人机与高速列车等典型高多普勒频移场景下，数据速率与波束对准可靠性显著提升。
• 通过避免迭代优化，该算法保持了低计算复杂度，适用于实时实现。